题目描述:
对于一个数字序列,请设计一个复杂度为O(nlogn)的算法,返回该序列的最长上升子序列的长度,这里的子序列定义为这样一个序列U1,U2...,其中Ui < Ui+1,且A[Ui] < A[Ui+1]。
给定一个数字序列A及序列的长度n,请返回最长上升子序列的长度。
输入用例:
[2,1,4,3,1,5,6],7
输出用例:
4
我的代码:
第一种解法,时间复杂度是O(n^2)
/**
* 第一种解法,时间复杂度是n^2
* @param A 数组
* @param n 数组长度
* @return 最长递增子序列的长度
*/
public int findLongest(int[] A, int n) {
//dp[i]的含义,以第i个下标结尾的子数组的最长递增子序列的长度
int[] dp = new int[n];
//以第一个元素为结尾的子数组的最长递增子序列的长度,因为此时子序列只有1个元素,所以就是1
dp[0] = 1;
int maxLength = dp[0];
//外层循环,填充dp数组
for(int i = 1;i<n;i++){
int max = 0;
//内层循环,从第i-1到0,去找在数组里比这个小的元素所对应的dp值,在所有的这些dp值里取最大值
for(int j = i-1;j>=0;j--){
if(A[j]<A[i])
max = Math.max(max, dp[j]);
}
dp[i] = max + 1;
//maxLength记录dp数组的最大值,即最长公共子序列的长度
maxLength = Math.max(maxLength, dp[i]);
}
return maxLength;
}
第二种解法,时间复杂度是O(nlogN),原因是在构造dp数组的时候采用了二分查找的思想,需要辅助空间,以时间换空间
/**
* 第二种解法,时间复杂度是O(nlogN),需要辅助空间
* @param A 数组
* @param n 数组长度
* @return 最长递增子序列的长度
*/
public int findLongest(int[] A, int n) {
int[] dp = new int[n];
dp[0] = 1;
//辅助数组,存储的是所有长度为i+1的子序列的最后一个元素的最小值,i是下标
int[] ends = new int[n];
//指长度为1的子序列的最后一个元素的最小值,初始为原序列的第一个元素
ends[0] = A[0];
//右哨兵
int right = 1;
int maxLength = dp[0];
for(int i = 1;i<n;i++){
int start = 0;
int end = right-1;
//需要插入的目标下标
int resultPos = right;
//二分查找第一个大于等于自己的数,替代之,如果没找到(自己是最大的数),写在后边
while(start <= end ){
int mid = start + (end - start)/2;
if(ends[mid]>=A[i]){
resultPos = mid;
end = mid - 1;
}else
start = mid + 1;
}
//替代或者在后边添加
ends[resultPos] = A[i];
//如果是在后边添加,那么哨兵元素后移
if(resultPos == right)
right++;
//dp[i]的值是插入点往左的所有的数的个数,算上自己
dp[i] = resultPos + 1;
maxLength = Math.max(maxLength, dp[i]);
}
return maxLength;
}
这道题是面试经典题目,一定要熟练掌握!!